Глобальная гонка искусственного интеллекта переходит из плоскости алгоритмов в плоскость физического производства полупроводников. Google, долгое время развивавший собственные ускорители TPU, готовится к беспрецедентному масштабированию своих мощностей. Планы компании на ближайшие годы предполагают выход на объемы поставок, сопоставимые с показателями рыночного лидера — Nvidia. Этот стратегический маневр призван обеспечить технологический суверенитет и полную независимость облачной инфраструктуры гиганта.
Индустрия ИИ входит в фазу, где определяющим фактором становится не только сырая производительность одного чипа, но и способность развертывать миллионы таких устройств в единую экосистему. Google намерена занять в этой игре доминирующую позицию: согласно внутренним планам, к 2028 году объем производства новейших ускорителей TPU v9 может достичь 12–15 миллионов единиц ежегодно. Для контекста достаточно взглянуть на прогнозы по Nvidia, которая к тому же сроку может поставлять около 12,4 млн графических процессоров для дата-центров. Фактически, один из крупнейших облачных провайдеров мира готовится стать полноценным конкурентом главному поставщику коммерческого «железа» в вопросах масштаба.
Технологический скачок TPU девятого поколения будет связан с переходом на чиплетную компоновку — общеотраслевой тренд, продиктованный физическими ограничениями литографии и необходимостью повышения выхода годных кристаллов. В каждом новом ускорителе планируется использовать четыре вычислительных кристалла. Однако такая стратегия влечет за собой серьезные инженерные вызовы в области упаковки (packaging) и межсоединений. Когда несколько крупных кристаллов объединяются на одной подложке, требования к точности и скорости передачи данных между ними возрастают многократно.
Основным узким местом здесь становятся производственные мощности. Очевидно, что TSMC, даже с ее колоссальными ресурсами, может не справиться с таким объемом заказа в одиночку. Это вынуждает Google рассматривать возможность привлечения Intel. Однако здесь возникает критическая техническая проблема: технологии упаковки разных вендоров фундаментально различаются. Решения Intel, такие как EMIB или EMIB-T, не обладают прямой совместимостью со стандартом CoWoS-L от TSMC, что превращает процесс диверсификации производства в сложнейшую задачу по адаптации дизайна чипа под разные фабрики.
Разработка собственных TPU длится уже десятилетие, и за это время роль этих устройств эволюционировала. Если изначально они создавались для оптимизации конкретных рабочих нагрузок (например, обучения моделей TensorFlow), то сегодня TPU стали центральным элементом глобальной облачной стратегии Google. Достижение целевых показателей к 2028 году позволит компании превратиться в крупнейшего по объему пользователя ИИ-ускорителей в мире.
Это не означает полного отказа от закупок у Nvidia, но радикально меняет баланс сил. Обладая собственным парком из миллионов чипов, Google получает беспрецедентный контроль над стоимостью владения инфраструктурой и цепочками поставок. Несмотря на отсутствие прямых сравнительных тестов TPU v9 с будущими линейками Nvidia Rubin и Rubin Ultra, становится ясно: битва за лидерство в ИИ смещается из области теоретических терафлопсов в область промышленного масштабирования и логистической устойчивости.
Точность и скорость в линейке ProArt OLED
